Штучний інтелект та аналіз мережевого контенту у парламентському контролі

Размещено на http://www.Allbest.Ru/

Державна наукова установа «Інститут інформації, безпеки і права НАПрН України»

Штучний інтелект та аналіз мережевого контенту у парламентському контролі

Брайчевський С.М., к. ф.-м. н., п.н.с.

Парламентський контроль як особлива форма державного контролю за діяльністю органів виконавчої влади та посадових осіб є особливо актуальним в наших умовах, в першу чергу, через два ключові чинники. Перший - це програма децентралізації [1], яка вже кілька років успішно проводиться в Україні і призводить до перерозподілу повноважень між різними органами. Другий - воєнний стан, який передбачає певні обмеження громадянських прав і свобод, а отже знижує рівень контролю за діяльністю влади з боку громадських організацій та фізичних осіб. Парламентський контроль в цих складних умовах повністю зберігає свої можливості, а отже і ефективність.

З іншого боку, технічні можливості парламентського контролю стрімко зростають в контексті цифрової трансформації [2] українського суспільства. Адже сучасні цифрові технології дозволяють на практиці здійснювати те, що ще кілька років тому виглядало нездійсненними мріями.

Останні досягнення в сфері інформаційних технологій дозволяють ставити питання про використання штучного інтелекту в практичній площині. Нижче ми обговоримо один із можливих напрямків в цій сфері.

Очевидно, що виключно важливу роль в плані здійснення парламентського контролю відіграють генерація і споживання публічної інформації [3]. Дійсно, оскільки правопорушення не афішуються самими порушниками, джерелом відомостей про них, як правило, є різноманітні публікації щодо їхніх наслідків.

Одним з важливих напрямків досліджень в цій сфері, на нашу думку, є аналіз мережевого контенту. Останнім часом ми бачимо, що сучасному суспільстві мережеві технології набувають все більшого і більшого значення не лише в плані суспільних комунікацій, але й в загальних інформаційних процесах. Мережеві інформаційні ресурси швидко стають основою збирання, накопичення обробки та поширення інформації. Мережні інструментальні засоби відкривають все більш широкий доступ до різноманітних джерел, в тому числі і тих, що традиційно відносяться до категорії корпоративних. Тепер часто електронну копію документа простіше знайти в мережі, ніж його оригінал в бібліотеці чи іншому сховищі друкованих матеріалів. І цьому не в останню чергу сприяє те, що доступ до мережі знаходиться у нас, безпосередньо на робочому місці.

Тому не дивно, що мережеві інформаційні ресурси стають основним джерелом формування картини світу. А це, в свою чергу, означає, що ми, аналізуючи мережевий контент, можемо отримати практично всі відомості щодо потрібної нам теми.

З сучасної точки зору соціальні комунікації являють собою складне явище, що містить ряд компонентів різної природи [5-6]. Але для нас важливо те, що в їхній основі завжди лежить процес обміну інформацією в різноманітних формах, в тому числі електронних. І тією мірою, як в наше життя впроваджуються нові інформаційні технології, вони починають грати все більшу роль в комунікативних процесах.

З технічного боку в сфері аналізу мережевого контенту існує дві основні проблеми. Перша пов'язана з його структурою, а друга - з його обсягом.

Проблема структури мережевого контенту полягає в тому. що він містить інформацію різного рівня структуризації і в різному форматі. Ця обставина вкрай ускладнює машинну обробку даних, які ми можемо отримати безпосередньо з мережевих ресурсів. Частково ми торкалися цієї проблеми в [4].

Для ілюстрації зупинимося на одному аспекті даної проблеми: наявності принципово різних одиниць інформації. Як конкретний приклад наведемо якісну різницю між характером новинної інформації та вмісту соціальних мереж.

Основною інформаційною одиницею новин є документ. Ми не будемо заглиблюватися в строге визначення цього поняття, а скажемо лише (для нас саме це є важливим), що документ являє собою цілісний інформаційний продукт, призначений для кінцевого використання будь-яким споживачем. Він має загальні структурні елементи (автор, заголовок, анотація, основний текст, дата публікації, джерело тощо), наявність яких ми очікуємо і легко розпізнаємо за типовими засобами форматування. З точки зору змісту головним для нас є те, що документ (розрахований на довільного споживача) має мінімальну контекстну залежність: щоб його зрозуміти, нам достатньо лише орієнтуватися в загальній суспільній ситуації. Документ або взагалі не передбачає знання інших документів, або (якщо воно бажане), як правило, надає споживачеві можливість ознайомитися з ними за допомогою гіперпосилань. Зауважимо також, що активне використання гіпертексту у вигляді гіперпосилань є важливою особливістю мережевих ресурсів. Таким чином, аналіз документальних масивів якщо і викликає труднощі, то в основному технічного характеру. Адже контент документів генерується так, щоб забезпечити максимальну ефективність сприйняття змісту.

Інформаційною одиницею соціальних мереж є пост. Він, взагалі кажучи, являє собою довільний фрагмент тексту, що не має акцентованих початку та кінця, а також характерних структурних елементів, типових для документів (автор, заголовок тощо). Прикладом може бути, скажімо, «Супер! Підтримую!». Безперечно, цей текст несе в собі зміст, можливо навіть суттєвий. Але навряд, чи довільний споживач його зрозуміє.

На відміну від документа окремий пост не повинен мати визначений зміст. За певних умов пост, фактично, може бути документом (тобто повноцінний документ автор може викласти в соціальну мережу). Але разом з тим існує значний за обсягом сегмент контенту соціальних мереж, який містить набори взаємопов'язаних постів, що реалізують обговорення тієї чи іншої теми кількома учасниками. В цьому сегменті зміст мають неперервні ланцюжки постів, часто різних авторів. Кожна ланка такого ланцюжка є реакцією на попередні пости, а всі вони разом взяті формують специфічний контекст. Тому такі пости є контекстно залежними. І головна складність полягає в тому, що ми не можемо визначити ступінь такої залежності. Іншими словами, для повноцінного аналізу такого контенту нам необхідно відстежувати послідовності постів (змістовні ланцюжки), які мають окреслені початок і кінець, але при цьому можуть формуватися групою незалежних один від одного авторів. А це доволі складна задача. Нажаль, вона суттєво ускладняється обсягом даних.

Проблема обсягу інформації добре відома - він настільки великий, що її практично неможливо зібрати й обробити людиною, навіть колективом фахівців. При значному збільшенні кількості працівників неможливо забезпечити належну координацію їх дій, а отже неодмінно буде втрачена цілісність бачення окремої ситуації. Тому для опрацювання публічної інформації так чи інакше необхідно застосовувати сучасні інформаційні технології. технічний мережевий парламентський контроль виконавчий влада

Функціональні можливості стандартних технологій обмежені тим, що при обробці інформації використовуються виключно формальні методи, наприклад фільтрація даних за наявністю (відсутністю) окремого слова або групи слів, що мають одне й те саме значення. Але часто зміст тексту не зводиться до прямого значення слів, з яких він складається. Так, наприклад, вислів «від радості злетів до небес» не можна сприймати буквально. Щоб отримати справжні відомості, які містяться в тексті, потрібно його розуміти. А розуміння як таке не досягається формальними засобами.

Є підстави вважати, що розуміння змісту даних, принаймні в деякому сенсі, може бути досягнуто в системах штучного інтелекту. Зараз нас не цікавить, як саме досягається таке розуміння і в чому полягає його природа. Для усвідомлення загальної ідей можемо запропонувати простий тест, який наочно ілюструє роботу машини, здатної до розуміння повідомлень. Нехай маємо деяку чорну скриню, за роботою якої спостерігає експертна група фахівців в певній предметній області. На вхід чорної скрині подається текст, що відноситься до даної предметної області та, на думку членів експертної групи, має цілком визначений конкретний зміст. Цей зміст надає можливість зробити вибір довільної кількості елементів із загального їх набору і ранжувати їх за ступенем відповідності поставленій задачі (постановка якої також міститься в тексті). Передбачається, що в тексті в явному вигляді відсутні можливі варіанти вибору. Чорна скриня виводить послідовність чисел, що визначають номери елементів в порядку ранжування. Такий самий вибір роблять фахівці з експертної групи. Будемо вважати, що машина розуміє текст, якщо її результат в середньому збігатиметься з результатами експертів. Як саме машина це робить, для нас значення не має.

В нашому випадку це означає, що машина може, отримавши довільний текст, дати йому правову оцінку шляхом вибору одного або кількох (залежно від задачі) варіантів характеристики певної правової ситуації.

Саме така постановка задачі, на наш погляд, широкі перспективи в сфері аналізу мережевого контенту.

Література

1. Реформа децентралізації.

2. Цифрова трансформація.

3. Закон України Про доступ до публічної інформації (Відомості Верховної Ради України (ВВР), 2011, №32, ст.314)

4. Брайчевський С.М. Уніфікація структури правової інформації в умовах децентралізації. Матеріали Першої «Парламентський контроль в умовах децентралізації державної влади та цифрової трансформації в Україні: стан та проблеми» 30 березня 2021 року. Київ. С. 40-43.

5. Різун В.В. Начерки до методології досліджень соціальних комунікацій. Психолінгвістика. 2012. Вип. 10. С. 305-314.

6. Холод О.М. Соціальні комунікації: соціо- і психолінгвістичний аналіз. 2011. Львів: ПАІС/ 2011. 288 с.

Размещено на Allbest.Ru